前言：寻找写作灵感？中文期刊网用心挑选的新农科下的遥感数字影像处理课程设计，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
【摘要】伴随高新技术的发展，当代农科教学已发生了巨大改变。新农科建设是国家发展战略对新时代农业人才的新要求。文章为以遥感数据分析课程为例，打破传统遥感课程的教学安排与设计，将课程内容分为遥感数据预处理、影像增强与融合、遥感在农业上的应用三部分，通过发挥项目实例在课堂教学中的作用，建立的以培养创新能力和实践能力为目标的实践教学模式取得了良好的教学效果，学生的创新和实践能力得到较大提高。
【关键词】遥感；新农科；课程设计；应用
0引言
遥感作为3S技术遥感技术、地理信息系统、全球定位系统的（统称）的一员，是快速获取大面积范围内地物信息的最有效技术手段，在农业、林业、地质、水文、城市与区域开发、海洋、气象、测绘等科学和国民经济的重大发展中，发挥着越来越大的作用[1，2]。近年来，随着现代科技的不断发展，遥感技术已从科学走向生活，并在潜移默化地影响乃至改变人们的生活方式。遥感数字影像处理课程是地理信息科学、地球系统科学、资源与环境科学等学科的专业核心课程。而在农业高等院校中，为了更好地建设“新农科”，这门课程也会作为农业工程与信息技术专业硕士的专业核心课程。笔者根据自己多年从事农业定量遥感的科研经历，在讲授这门课程时，打破传统遥感课程的结构，将课程内容分为遥感数字影像预处理方法、影像增强和融合方法、遥感的农业应用三部分，夯实基础知识的同时，以农业应用为出发点，挖掘遥感的无限价值，体会遥感之美。课程亮点一是以农作物种植面积提取和农作物长势监测为突破口，将所学的遥感影像预处理、增强和融合方法应用于农业中；课程亮点二是在遥感数字影像处理及应用的基础上，将卫星、无人机影像处理方法及农业应用落实于理论讲解之上。
1教学目的与内容设计
通过对本课程的学习，使学生能够在理解遥感数字影像特征的基础上，掌握遥感影像的预处理、增强、融合和分类方法，并能够借助计算机和遥感技术进行农作物种植面积提取和长势监测，对作物病虫害识别、作物表型参数、生理生化指标进行监测，并对作物产量进行预测，从而培养学生利用计算机、遥感技术解决农业问题的能力。遥感影像预处理主要分为四个部分：（1）给学生介绍遥感的基本概念、遥感数据获取的基本过程和遥感技术发展历史及趋势，让学生对遥感的基础知识有个初步的了解；（2）介绍常见的遥感平台和传感器系统，包括不同遥感平台及搭载传感器的简介，如常用卫星影像、无人机、航天飞机遥感平台简介和多光谱、高光谱、热红外和可见光等传感器简介；（3）卫星遥感影像发生辐射误差和几何误差的原因，以及如何进行辐射校正和几何校正；（4）介绍当下使用最为广泛的一种遥感平台无人机的影像获取、辐射定标和拼接方法。第二部分主要讲解遥感图像的增强与融合。遥感影像增强是为了特定应用目的，使得图像更容易解译的过程。尤其是在遥感图像的应用过程中，图像增强可以使原始遥感像片中所需信息的突出，更有利于解译，增强的方式主要分为空间域增强和频率域增强。遥感影像融合的目的是通过对多个不同传感器的影像数据进行智能化合成，得到比单一传感器数据更精确、更可靠的描述和判断。将不同光谱分辨率和空间分辨率的影像进行融合后的图像可以具有更优质的空间和光谱信息，可提高分类识别精度；将微波与光学两种不同物理性质的影像进行融合可以增强其特征，使得原来不可见或不明显的物体得以凸显；将多时相影像进行融合可用于目标物的变化监测。前两部分都可以说是对遥感影像进行处理的基础和手段。在做好影像的预处理以及优化增强的前提下，针对农业高等院校和农业工程与信息技术专业硕士的特点，以教师的科研项目为依托，以农业遥感中的不同问题为导向，学习遥感影像处理与分析的方法，提高学生的实践与创新能力。如在农作物种植面积提取和农作物分类中，可以教授学生利用监督分类、面向对象分法、深度学习等方法实现地块识别、作物种植面积提取、作物分类、作物穗粒识别；在农作物长势监测中了解长势监测指标、植被指数构建原理、农作物冠层参数反演原理；在农作物病虫害监测中，了解与掌握病虫害光谱特征、光谱识别，以及如何结合实地调查数据构建遥感监测模型；在农作物生理生化参数估测学习部分，让学生了解作物的叶面积指数、叶绿素含量、株高的遥感估测以及作物产量遥感预测的常见方法。
2课程案例举例
2.1基于卫星影像的农业应用案例
该案例是基于卫星影像对花生种植面积进行提取，以欧空局Sentinel-2B卫星影像与国产影像GF-6WFV为数据源，采用常见的非监督分类法和监督分类中的K邻近法和最大似然法，以许昌市榆林乡为研究区域，对花生种植面积进行提取并对比。这两种影像都有红边波段，对于提高花生种植面积提取精度有帮助。通过实践该案例，学生复习了课程前一部分学习的卫星影像的下载、辐射定标、几何校正与拼接，接下来利用不同的分类方法提取花生的种植面积使学生深入理解遥感影像非监督分类、监督分类的几种主要方法以及分类后处理和分类精度的评价与提高。
2.2卫星影像与地面高光谱数据相结合的案例
该案例是基于卫星影像对棉花蚜虫病害进行监测，数据源为Sentinel-2B影像、地面高光谱数据和野外病害调查数据，首先对Sentinel-2B数据进行预处理，利用野外调查数据对影像进行监督分类，提取棉花种植空间分布，接下来分别采用光谱角的方法和Logistic建模方法对研究区棉花蚜害进行遥感监测。在光谱角分类中，利用波段运算的方法提取20种光谱特征因子进行蚜害灵敏度分析、相关性分析，最终选出4种光谱特征因子作为基准光谱向量，利用光谱角分类法构建蚜害监测模型。在Logistic建模法中，利用Relief算法与泊松相关系数法对包含棉花植株表征数据在内的24种初选特征因子进行特征降维并去除冗余度高的特征因子，最终保留6种特征因子作为优选属性，并通过在卫星数据上直接获取或间接反演得到优选属性值，以此利用Logistic建模法构建蚜害监测模型。并对比两种建模方法的优劣性。在这个案例中学生不仅再次复习巩固了卫星影像的下载、辐射定标、几何校正与拼接，还学习了地面高光谱数据的处理与特征分析、卫星影像的波段运算、数据融合和特征提取，最后还学习了如何构建数据信息模型。
2.3基于无人机数据的案例
在该课程的讲述中，除了利用卫星影像解决农业实际生产中遇到的各类问题，还给出了若干利用无人机助力农业生产的案例，如基于早期无人机数码影像和作物模型的冬小麦产量预测、基于无人机数码影像的作物理化参数监测———冬小麦株高、生物量和LAI，基于无人机多光谱影像的作物理化参数监测———大豆覆盖度和叶绿素等若干项目案例。在这些案例的实际操作和学习中，学生学习了无人机搭载的不同传感器平台的影像从获取到拼接再到预处理的整个流程，并学习了如何利用无人机影像进行农作物的识别、作物表型参数的反演、作物病虫害的识别，并将无人机遥感平台和其他遥感平台的优劣做比较，获得了非常好的教学效果。
3结语
为了推动智慧农业、数字农业的大力发展和长足进步。2018年6月2日，第一颗以精准农业观测为目的的高分六号卫星由长征二号丁运载火箭护送且成功发射。高分六号卫星与高分一号卫星组网运行后，将使遥感数据获取的时间分辨率从4天缩短到2天，可以有效地为农业资源监测、林业资源调查、防灾减灾救灾等重大需求提供遥感数据支撑。因此，在当今农业工程与信息技术专业硕士培养的教学改革中，将项目实战案例融入教学和实践教学课程体系是培养现代化农业人才的当务之急。
【参考文献】
[1]冯莎．实施乡村振兴战略，助力脱贫攻坚[J]．农业经济，2018（10）：33－34．
[2]邹安妮，李宇飞，胡军.涉农高校专业建设的思考与探索[J].南方农机，2021，52（12）：162-163.
作者：郭伟 张慧 董萍 单位：河南农业大学信息与管理科学学院